基于梯形直觉模糊数的TOPSIS多属性决策方法

针对属性值为梯形直觉模糊数的多准则决策问题,给出了一种基于梯形直觉模糊数的TOPSIS多属性决策方法.根据提出的梯形直觉模糊数的Hamming距离公式,计算各方案和梯形直觉模糊数正负理想方案的距离,从而求得各方案和正理想解的相对贴近度,基于贴近度大小对方案集进行排序.最后,用数值实例进一步说明了该梯形直觉模糊TOPSIS方法的有效性和实用性.     

一种基于区间灰色梯形模糊数的多属性群决策方法

针对属性权重未知,属性值为区间灰色梯形模糊数的多属性群决策问题,提出了一种改进的灰色关联决策方法.首先,定义了区间灰色梯形模糊数的概念并建立了区间灰色梯形模糊数的相关运算规则以及区间灰色梯形模糊数之间的距离;然后,采用算术加权平均算法将个体信息集结群信息,基于信息熵建立了指标权重的求解模型,并采用灰色关联方法对方案进行排序;最后,通过实例说明了本方法的有效性.     

权重信息不完全的梯形模糊数多属性决策

针对权重信息不完全且属性值为梯形模糊数的模糊多属性决策问题,给出了基于梯形模糊数质心的多属性决策方法,并通过投影法建立了非线性规划模型,通过数学软件得到各属性权重,并通过质心横坐标与纵坐标在虚拟理想方案上的投影率的乘积作为排序指标,进行排序择优.最后通过实例说明了该方法的有效性.     

基于方案偏好关系的直觉模糊MADM方法

给出属性值为直觉模糊数,属性权重完全未知但已知方案偏好关系的模糊多属性决策问题的决策方法.通过建立一个模糊期望值的线性规划模型来确定属性的权重,基于简单加权法则来计算方案综合期望值.利用比较期望值大小的方法对方案进行排序.最后通过实例说明了该方法的可行性和有效性.     

基于区间直觉梯形模糊数MADM问题的GRA法

针对属性权重信息不完全未知的区间直觉梯形模糊数多属性多方案(MADM)决策问题,笔者定义了区间直觉模糊数的距离公式、灰关联系数,给出了权重信息不完全情况下属性权重的计算方法,并通过数学软件计算得到各属性的权重,对方案进行了排序。最后,通过算例说明了该方法的实用性。     

基于信息熵的区间直觉模糊多属性决策方法

对属性权重信息完全未知且属性值为区间直觉模糊数的多属性决策问题进行了研究,定义了区间直觉模糊数的得分函数,进而提出了一种基于信息熵的区间直觉模糊多属性决策方法,最后通过实例分析说明了该方法有效、可行而且计算简单．     

对一个三角模糊数距离测度公式的改进

针对利用三角模糊数距离公式对模糊数排序中存在运算量大的问题,对已有的三角模糊数排序公式加以改进,有效地减小了计算量;并针对属性值为模糊数的多属性决策问题进行算例分析.     

一种基于属性加权综合直觉梯形模糊数多属性决策方法

在解决属性值为直觉模糊数的多属性决策问题中,其权重信息未知.先采用熵值法来求其权重,并用直觉梯形模糊数权重平均算子求出各指标的平均属性值,给出了直觉梯形模糊数得分函数公式,期望函数公式.并提出了解决此类问题的方法与步骤,根据得分函数值大小进行排序,选择出最优方案.通过一个实例对此方法进行验证.     

三角模糊数的加权平均在多属性决策中的应用

本文分析属性权重为已知三角模糊数和属性权重部分为已知三角模糊数、部分未知的多属性决策问题,利用三角模糊数加权平均算法求解模型,通过对求解得到的三角模糊数进行排序得到备选方案的排序。     

带有方案偏好关系的区间型多属性决策方法

给出属性值为区间数、属性权重完全未知但已知方案偏好关系的多属性决策问题的决策方法。该方法首先通过求解一个二次规划模型来确定属性的权重,然后基于简单加权法则来计算方案的模糊综合评价值,再根据区间数的排序方法来对方案进行排序,从而得到最优方案。     

TFOWA算子及其在决策中的应用

研究了属性权重信息完全未知、属性值以梯形模糊数形式给出的多属性决策问题,给出了梯形模糊数决策矩阵的规范化公式.把有序加权平均(OWA)算子推广到所给定的数据信息均为梯形模糊数形式的不确定环境中,提出了一种梯形模糊有序加权平均(TFOWA)算子,给出了其在应用过程中的具体步骤,并提出了一种相应的集结决策信息的方法.TFOWA算子的特点是充分利用梯形模糊数的不确定性,因而更能反映客观事物的复杂性及人类思维的模糊性,从而使得决策更符合实际情况.最后通过算例说明了方法的可行性和有效性.     

基于模糊理想点的模糊多属性决策方法

针对属性权重信息完全未知或只有部分权重信息且属性值为三角模糊数的模糊多属性决策问题,提出3种基于模糊理想点的最优化决策模型.通过对这3种模型的求解,获得属性的权重,给出相应的对方案进行排序和择优的决策方法,从而为解决权重信息不完全的模糊多属性决策问题提供新的途径.     

基于直觉模糊交叉熵及灰色关联的混合评价信息供应商选择决策

针对主客观混合评价信息的供应商选择决策问题,提出一种基于直觉模糊交叉熵及灰色关联的群决策方法。在确定供应商选择决策指标体系的基础上,将不同类型的主观评价信息统一转化为直觉模糊数,基于新的得分函数及单个决策者与决策群体的评价偏差确定决策者权重。把转化为直觉模糊数的规范化客观评价信息与群体直觉模糊主观评价信息合并,并采用直觉模糊熵确定各属性权重。根据直觉模糊数之间的交叉熵距离度量,采用灰关联法实现对备选供应商的排序择优。制造类企业供应商选择算例表明所给方法的合理有效性。     

三角直觉模糊广义有序加权平均算子及其在多属性群决策中的应用

针对属性以三角直觉模糊数(TIFN)形式表示和具有不完全权重信息的多属性群决策(MAGDM)问题进行了研究。首先定义了三角直觉模糊广义有序加权平均(TIFGOWA)算子,再利用得分函数和精确函数对方案的排序方法,对不完全权重信息的三角直觉模糊MAGDM问题,运用TIFGOWA算子提出一种新的多目标线性规划的求解方法。最后,运用一个算例说明了本文所提方法的合理性与有效性。     

Pythagorean犹豫模糊熵及其多属性群决策方法

针对模糊信息下的群决策问题,提出了一种基于Pythagorean犹豫模糊熵的多属性群决策方法;给出了Pythagorean犹豫模糊熵的公理化定义及计算公式;为克服传统Pythagorean犹豫模糊集规范化方法导致原始决策信息流失的不足,完善了基于Pythagorean犹豫模糊环境下的最小公倍数扩充方法,方法能有效地保持原始决策信息;又以Pythagorean犹豫模糊熵作为决策信息差异程度的度量,给出属性权重完全未知或部分已知情况下权重的确定方法,并定义了基于最小公倍数的Pythagorean犹豫模糊距离测度和Pythagorean犹豫模糊熵测度;构造了一种基于Pythagorean犹豫模糊熵的TOPSIS方法,并通过精准扶贫补贴项目案例说明了方法的可行性和有效性.     

一种基于线段法的模糊多属性决策模型

研究了属性权重完全未知,属性值以模糊数给出的不确定型多属性决策问题,借鉴集值统计理论中的线段法,给出了求解属性权重的一个简洁公式．最后通过实例,通过与其他决策方法的比较,说明了该方法的实用性和有效性．     

基于直觉模糊多属性决策的逆向物流供应商选择

逆向物流供应商选择是典型的多属性决策问题.针对逆向物流供应商选择问题的特点,提出一种基于直觉模糊熵的逆向物流供应商选择问题的直觉模糊多属性决策方法.在回顾相关基础理论知识基础上,建立了逆向物流供应商评价指标体系,给出了基于直觉模糊熵的评价指标权重的确定方法,然后运用直觉模糊加权平均算子对二级指标信息集结,得到逆向物流供应商选择问题的直觉模糊决策矩阵,提出了基于直觉模糊熵和TOPSIS法(逼近理想解的排序方法)的逆向物流供应商评价方法.最后通过数值分析验证了该方法的可行性与有效性.     

基于Vague集模糊熵和D-S证据理论的多属性群决策方法

针对方案属性值为Vague值且考虑专家评分可信度的多属性群决策问题,提出了一种基于Vague集模糊熵和D-S证据理论的多属性群决策分析方法。该方法充分考虑各专家给出的Vague值评价信息中所蕴含的模糊性与不确定性,借助模糊熵来获取与专家自身意见相匹配的评分可信度序列,其完全由数据驱动,弥补了传统方法对可信度主观统一设定的不足。首先,基于各专家原始决策矩阵获得各属性下的Vague集模糊熵,以构建与专家集相对应的评分可信度矩阵;其次,对经可信度调整后的各专家决策矩阵使用证据合成进行信息集结,利用Vague集记分函数并经可信度调整得到属性权重;最后,将专家群体集结信息经属性权重加权修正后算出各方案最终的Vague评价值,进而使用记分函数获得各方案综合得分,筛选出最优方案。利用证据理论在不确定信息融合方面的优势和Vague集记分函数的信息转化功能,通过证据合成和记分函数集结专家群体的评价信息,所得出的决策结果更加客观、合理,并通过一个具体算例验证了所提方法的可行性和有效性。